hogy a tételben megfogalmazott feltételek nemcsak elégséges, hanem egyben szükséges feltételei is a centrális határeloszlástételnek.

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "hogy a tételben megfogalmazott feltételek nemcsak elégséges, hanem egyben szükséges feltételei is a centrális határeloszlástételnek."

Átírás

1 A Valószínűségszámítás II. előadássorozat második témája. A CENTRÁLIS HATÁRELOSZLÁSTÉTEL A valószínűségszámítás legfontosabb eredménye a centrális határeloszlástétel. Ez azt mondja ki, hogy független valószínűségi változók normalizált részletösszegeinek az eloszlása nagyon általános feltételek teljesülése esetén közelítőleg a standard normális eloszlás. Megfogalmazom, majd később bebizonyítom a centrális határeloszlástétel legáltalánosabb alakját. Ezután ismertetek néhány fontos eredményt, amelyeket ez a tétel speciális esetként tartalmaz. Mutatok néhány példát, amelyek magyarázatot adnak a tételben megfogalmazott feltételek szerepére. Megfogalmazom, és a kiegészítésben bebizonyítom a centrális határeloszlástétel megfordítását is. Ez az eredmény azt állítja, hogy a tételben megfogalmazott feltételek nemcsak elégséges, hanem egyben szükséges feltételei is a centrális határeloszlástételnek. Röviden tárgyalom az úgynevezett lokális centrális határeloszlástételt is. Ez, némileg informálisan megfogalmazva azt állítja, hogy alkalmas feltételek teljesülése esetén független valószínűségi változók normalizált összegeinek nemcsak az eloszlásfüggvényük van közel a standard normális eloszlásfüggvényhez, hanem a sűrűségfüggvényük is közel van a standard normális sűrűségfüggvényhez. Ennek az eredménynek a bizonyításában hasonló gondolatok jelennek meg, mint amilyenekkel a Stirling formula korábban ismertetett bizonyításában találkoztunk. Az eredmények ismertetése előtt bevezetek néhány fogalmat. A centrális határeloszlástétel általános alakja szériasorozatok részletösszegeinek eloszlásáról szól. Ezért ismertetem a szériasorozatok definicióját. Szériasorozatok definiciója. A ξ,,...,ξ,n.. ξ k,,...,ξ k,nk.... valószínűségi változók rendszere, k, szériasorozat, ha az egy sorban levő ξ k,,..., ξ k,nk valószínűségi változók függetlenek. A különböző sorokban levő valószínűségi változók kapcsolatáról nem tételezünk fel semmit. A centrális határeloszlástétel szériasorozatokra azt állítja, hogy egy ξ k,j, k =,,..., j n k, szériasorozat S k = n k ξ k,j, k =,,..., sorösszegei alkalmas feltételek teljesülése esetén eloszlásban konvergálnak a standard normális eloszláshoz. Természetes megkövetelni, hogy nagy k indexre a ξ k,j, j n k, sornak ne legyen olyan eleme, amely ugyanolyan nagyságrendű, mint a többi tag összege együttvéve. Ilyen követelményt fogalmaz meg az egyenletes kicsiség alább bevezetett feltétele.

2 Egyenletes kicsiség feltétele szériasorozatokra. Legyen ξ k,j, k =,,..., j n k, olyan szériasorozat, amelyre Eξ k,j = 0, Eξk,j <, k =,,..., j n k, és =. Egy ilyen szériasorozat teljesíti az egyenletes kicsiség feltételét, ha Eξk,j sup Eξk,j j n k = 0. A centrális határeloszlástétel általános szériasorozatok sorösszegeiről szóló alakjában fontos szerepet játszik az alábbi Lindeberg feltétel. Lindeberg feltétel definiciója szériasorozatokra: Legyen ξ k,j, k =,,..., j n k, olyan szériasorozat, amelyre Eξ k,j = 0, Eξk,j <, k =,,..., j n k, és =. Ez a szériasorozat akkor és csak akkor teljesíti a Lindeberg feltételt, Eξk,j ha tetszőleges ε > 0 számra ahol IA egy A halmaz indikátor függvénye. Eξ k,ji { ξ k,j > ε} = 0, Megfogalmazom a centrális határeloszlástétel általános alakját szériasorozatok sorösszegeire. A centrális határeloszlástétel szériasorozatok sorösszegeire. Legyen ξ k,j, k =,,..., j n k, olyan szériasorozat, amelynek tagjaira Eξ k,j = 0, Eξk,j <, k =,,..., j n k, =, és teljesítse ez a szériasorozat a Lindeberg feltételt. Ekkor Eξk,j a. A szériasorozat teljesíti a b. Az S k = n k sup Eξk,j j n k = 0 egyenletes kicsiség feltételét. ξ k,j, k <, véletlen összegek eloszlásban konvergálnak a standard, azaz nulla várható értékű és szórásnégyzetű normális eloszláshoz, ha k. Igaz a szériasorozatok sorösszegeiről szóló centrális határeloszlástétel következő megfordítása is. A szériasorozatok sorösszegeiről szóló centrális határeloszlástétel megfordítása. Legyen ξ k,j, k =,,..., j n k, olyan szériasorozat, amelyre Eξ k,j = 0, Eξk,j <, k =,,..., j n k, =, és teljesíti a szériasorozatokra Eξk,j

3 megfogalmazott egyenletes kicsiségi feltételt is. Ha ez a szériasorozat teljesíti a centrális határeloszlástételt, azaz az S k = n k ξ k,j, k <, véletlen összegek eloszlásban konvergálnak az egy szórásnégyzetű és nulla várható értékű normális eloszláshoz k esetén, akkor a ξ k,j, k <, j n k, szériasorozat teljesíti a Lindeberg feltételt. Megjegyzés: A fenti eredményben a centrális határeloszlástétel teljesülésének a feltétele nemcsak azt jelenti, hogy az S k sorösszegek eloszlásban konvergálnak egy normális eloszláshoz, hanem azt is, hogy ennek a normális határeloszlásnak a helyes szórásnégyzete van. Fogunk példát látni olyan az egyenletes kicsiség feltételét teljesítő szériasorozatokra, amelyek sorösszegei eloszlásban egy rossz túl kicsi szórásnégyzetű normális eloszláshoz konvergálnak és nem teljesítik a Lindeberg feltételt. A centrális határeloszlás megfordításáról szóló eredmény felételei némileg gyengíthetőek. Azt a feltételt, hogy a határeloszlás legyen nulla várható értékű valószínűségi változó csak kényelmi okokból tettem fel. A tétel bizonyításából látható, hogy ez a feltétel elhagyható. Ha a szériasorozat teljesíti az egyenletes kicsiség feltételét és a sorösszegek egy egy szórásnégyzetű normális eloszlású valószínűségi változóhoz konvergálnak, akkor ez csak úgy lehetséges, hogy a határeloszlás a nulla várható értékű standard normális eloszlás. A fenti tételek kielégítő magyarázatot adnak arra a kérdésre, hogy szériasorozatok sorösszegei mikor teljesítik a centrális határeloszlástételt. Minket azonban további a centrális határeloszlás problémaköréhez tartozó kérdések is érdekelnek. Például szeretnénk azt is tudni, hogy független valószínűségi változók normalizált részletösszegei mikor teljesítik a centrális határeloszlástételt. Részletesebben megfogalmazva ez a kérdés a következő: Tekintsük független valószínűségi változók egy ξ n, n =,,..., sorozatát, amelyre Eξ n = 0, és σn = Eξn <, n =,,... Jelölje S n = n ξ k e sorozat első n tagjának az összegét, és legyen s n = VarS n = n σk ezen véletlen összeg szórásnégyzete. Tegyük fel, hogy az s n számsorozat teljesíti a n s n = relációt. Azt szeretnénk tudni, hogy az S n sn normalizált részletösszegek mikor konvergálnak eloszlásban a standard normális eloszláshoz. Nem nehéz látni, hogy ez a probléma speciális esete annak a kérdésnek, hogy szériasorozatok sorösszegei mikor teljesítik a centrális határeloszlástételt. Valóban, tekintsük független valószínűségi változók egy ξ n, n =,,..., sorozatát, amelyre Eξ n = 0, és σn = Eξn <, n =,,... Jelölje S n = n ξ k a sorozat első n tagjának az összegét, és legyen s n = VarS n = n σk ezen véletlen összeg szórásnégyzete. Definiáljuk ezen ξ,ξ,... független valószínűségi változók, illetve a segítségükkel bevezetett s n, n =,... mennyiségek felhasználásával a következő ξ k,j, k =,,..., j =,...,n k, szériasorozatot: 3

4 n k = k és ξ k,j = ξ j s k, ha j k minden k =,,... számra. Ezzel a választással a az S n sn normalizált részletösszegek akkor és csak akkor konvergálnak eloszlásban a standard normális eloszláshoz, ha a ξ k,j = ξ j s k, k =,,..., j k, szériasorozat sorösszegei teljesítik a centrális határeloszlástételt. Ezenkívül ezt a szériasorozatot úgy definiáltuk, hogy az teljesíti a n k =, k =,,..., relációt. Eξk,j Ezért a szériasorozatok sorösszegeiről szóló centrális határeloszlástétel természetes következményeként független valószínűségi változók normalizált részletösszegeire érvényes centrális határeloszlástételt kaphatunk. Ennek megfogalmazása érdekében vezessük be a Lindeberg feltétel és az egyenletes kicsiség feltételének természetes átfogalmazását független valószínűségi változók részletösszegeire. Az egyenletes kicsiség feltétele független valószínűségi változók sorozataira: Legyen ξ n, n =,,..., független valószínűségi változók sorozata, amelyre Eξ n = 0, σn = Eξn <, n =,,... Vezessük be az s n = n σk, n =,,..., mennyiségeket. Azt mondjuk, hogy a ξ n, n =,,..., sorozat teljesíti az egyenletes kicsiség feltételét, ha n s n =, és sup σ k n s = 0. n k n Lindeberg feltétel független valószínűségi változók sorozataira: Legyen ξ n, n =,,..., független valószínűségi változók sorozata, amelyre Eξ n = 0, σn = Eξn <, n =,,..., és az s n = n σk, n =,,..., sorozat teljesíti a n s n = feltételt. Azt mondjuk, hogy a ξ n, n =,,..., sorozat teljesíti a Lindeberg feltételt, ha minden ε > 0 számra n s n EξkI{ ξ k > εs n } = 0. A következő centrális határeloszlástétel, illetve annak megfordítása egyszerű következménye a szériasorozatok részletösszegeiről kimondott centrális határeloszlástételnek és annak megfordításának. A centrális határeloszlástétel független valószínűségi változók normalizált részletösszegeire. Legyen ξ n, n =,,..., független valószínűségi változók sorozata, amelyre Eξ n = 0, σn = Eξn <, n =,,..., n s n =, ahol s n = n σk. Teljesítse ez a ξ n, n =,,..., sorozat a független valószínűségi változók összegeire megfogalmazott Lindeberg feltételt. Ekkor ez a sorozat teljesíti a független valószínűségi változók sorozataira megfogalmazott egyenletes kicsiségi feltételt, és az S n sn = s n normalizált részletösszegek eloszlásban konvergálnak a standard normális eloszláshoz, ha n. 4 ξ k

5 Független valószínűségi változók normalizált részletösszegeiről szóló centrális határeloszlástétel megfordítása. Legyen ξ n, n =,,..., független valószínűségi változók sorozata, amelyre Eξ n = 0, σn = Eξn <, n =,,..., n s n =, ahol s n = n σk. Teljesítse ez a ξ n, n =,,..., sorozat a független valószínűségi változók összegeire megfogalmazott egyenletes kicsiség feltételét. Ha az S n sn = s normalizált részletösszegek eloszlásban konvergálnak a standard normális eloszláshoz n esetén, akkor a ξ n, n =,,... sorozat teljesíti a független valószínűségi változók sorozataira megfogalmazott Lindeberg feltételt. Szeretnénk látni, hogy a fent megfogalmazott általános, centrális határeloszlástétel alkalmazható a minket érdeklő esetekben. A fő probléma az, hogy mikor teljesül a centrális határeloszlás feltételeként megfogalmazott Lindeberg feltétel. Tekintsük először azt a fontos, speciális esetet, amikor független, egyforma eloszlású valószínűségi változók normalizált részletösszegeit vizsgáljuk. Centrális határeloszlástétel független, egyforma eloszlású valószínűségi változók normalizált részletösszegeire. Legyen ξ,ξ,..., független, egyforma eloszlású valószínűségi változók sorozata, amelyre Eξ <. Vezessük be a σ = Varξ = ξ k neξ Eξ Eξ mennyiséget. Ekkor az S n neξ nσ = nσ normalizált összegek eloszlásban konvergálnak a standard normális eloszláshoz n esetén. Bizonyítás. Azt fogom megmutatni, hogy ez az eredmény megkapható a független valószínűségi változók normalizált részletösszegeire vonatkozó centrális határeloszlástétel speciális eseteként. Feltehetjük, hogy Eξ = 0, Eξ =. Valóban, bevezetve a ξ k = ξ k Eξ k σ, k =,,..., mennyiségeket, egy független egyforma, eloszlású, nulla várható értékű és szórásnégyzetű valószínűségi változókból álló ξ,ξ... sorozatot definiáltunk, ξ k amelyre S n n = az új esetre belátni. n = S n neξ nσ. Ezért elegendő a centrális határeloszlástételt csak erre Ha ξ,ξ,..., független, egyforma eloszlású valószínűségi változók sorozata, amelyekre Eξ = 0, Eξ =, akkor a centrális határeloszlástétel bizonyításához elég belátni, hogy ez a sorozat teljesíti a Lindeberg feltételt. Mivel ebben ez esetben s n = n Eξk = n, ez azt jelenti, hogy azt kell megmutatni, hogy ξ k s n EξkI ξ k > εs n = n EξjI ξ j > ε neξj = EξI ξ > ε n 0 minden ε > 0 számra, ha n. Viszont Eξ I ξ > ε n 0, ha n. Ez következik a Lebesgue tételből, mert ξ I ξ > ε n 0 valószínűséggel, ha n. 5

6 Ezenkívül ξ ωi ξ ω > ε n ξ ω minden ω Ω pontban és n =,,... indexre, és Eξ <. Megfogalmazok egy további eredményt, amely azt mondja ki, hogy a centrális határeloszlástétel érvényes alkalmas feltételek teljesülése esetén. Ez az eredmény arról szól, hogy a Lindeberg feltétel teljesül, ha bizonyos könnyebben ellenőrizhető feltételek teljesülnek. A centrális határeloszlástétel függgetlen valószínűségi változók normalizált részletösszegeire. Legyen ξ n, n =,,..., független valószínűségi változók sorozata, amelyre Eξ n = 0, σn = Eξn <, n =,,..., n s n =, ahol s n = n σk. Ez a sorozat teljesíti a Lindeberg feltételt, így a s n normalizált összegek, n =,,..., eloszlásban konvergálnak a standard normális eloszláshoz, ha a következő feltétel teljesül. a E ξ k +α <, minden k =,,... számra valamilyen α > 0 konstanssal, és n E ξ k +α s +α n = 0. b Az a feltétel és ezért a centrális határeloszlástétel teljesül abban az esetben, ha Eξk K valamilyen K > 0 számmal minden k =,,... indexre, és ezenkívül érvényes a k α/ E ξ k +α = 0 reláció. Bizonyítás. Alkalmazzuk a Hölder egyenlőtlenséget mindegyik Eξk I ξ k > εs n, k n, tagra p = +α és q = +α α választással, majd a becslésként kapott összegre alkalmazzuk megint a Hölder egyenlőtlenséget ugyanezzel a p,q párral. Íly módon a következő becslést kapjuk. EξkI ξ k > εs n ξ k E ξ k +α /+α P ξk > εs n α/+α n /+α n α/+α E ξ k +α P ξ k > εs n. Másrészt, a Csebisev egyenlőtlenség alapján n P ξ k > εs n n Eξ k ε s = n ε. Ezért n α/+α P ξ k > εs n ε α/+α, és ha teljesül a tétel a feltétele, akkor sup n s n EξkI ξ k > εs n ε α/+α n E ξ k +α s +α n /+α = 0 6

7 minden ε > 0 számra, azaz teljesül a Lindeberg feltétel. Az b részben megfogalmazott feltételek teljesülése esetén s n const. n, és ezenkí- E ξ k +α = o n α+/ = os +α n, ha n. Ezért ekkor teljesülnek az a vül rész feltételei is. Ekkor teljesül a Lindeberg feltétel, és így a centrális határeloszlástétel is. Értsük meg a fenti tétel szemléletes tartalmát. Tudjuk, hogy s n = n Eξk = Eξk I ξ k ε + n Eξk I ξ k > ε minden ε > 0 számra. A Lindeberg feltétel azt fejezi ki, hogy a fenti azonosság jobboldalán szereplő összeg második tagja sokkal kisebb, mint s n. Ez szemléletesen azt jelenti, hogy az Eξk = ξk ω dpω integrálokban azon ω-k hozadéka, ahol ξ k ω túl nagy, pontosabban az {ω: ξ k ω εs n } halmaz hozadéka elhanyagolhatóan kicsi. Ennek kívántuk valamilyen viszonylag könnyen ellenőrizhető, és sok érdekes esetben teljesülő feltételét megadni. A gondolat a következő volt. Az E ξ k +α = ξ k +α ω dpω integrálokban az α > 0 esetben azon ω-k hozadéka, ahol ξ k ω rendkívül nagy, nagyobb, mint az Eξk kifejezést megadó integrálokban. Szép esetekben az E ξ k +α integrál nem túl nagy. Például, ha mindegyik ξ k valószínűségi változó abszolut értéke kisebb, mint egy a k indextől nem függő korlát, akkor E ξ k +α const. Eξk minden k indexre, és E ξ k +α const. s n. A fenti tétel a pontban megfogalmazott feltételében az a n E ξ k +α összegre egy ennél gyengébb feltételt fogalmaztunk meg. Jegyezzük meg, hogy az ez az a feltétel csak akkor teljesülhet, ha n s n =. Az a feltétel megengedi, hogy legyenek olyan ω-k, amelyekre ξ k ω viszonylag nagy, de ezek hatása elhanyagolhatóan kicsi. Így sikerült olyan feltételt találni, amely biztosítja a Lindeberg feltétel teljesülését. Annak érdekében, hogy a centrális határeloszlástétel tartalmát, illetve a Lindeberg feltétel szerepét ebben az eredményben jobban megértsük lássunk olyan példákat is, amelyekben a centrális határeloszlástétel nem érvényes, mert nem teljesül a Lindeberg feltétel. Két különböző példát fogok mutatni, amelyekben a centrális határeloszlástételben előírt függetlenségi és egyenletes kicsiségi feltételek teljesülnek, mégsem érvényes a centrális határeloszlástétel, mert nem teljesül a Lindeberg feltétel. Példa olyan modellre, amelyben nem teljesül a centrális határeloszlástétel. Legyenek ξ n, n =,,..., független valószínűségi változók a következő eloszlással: Pξ n = n = Pξ n = n = 4n, Pξ n = = Pξ n = = 4, és Pξ n = 0 = n, n =,,... Ekkor Eξ n = 0, Eξ n =. Az S n = n ξ n normalizált részletösszegek sorozata egyrészt teljesíti az ES n = 0, és Var S n = relációkat, másrészt, mint látni fogjuk, eloszlásban konvergál egy nulla várható értékű és szórásnégyzetű normális eloszlású valószínűségi változóhoz, ha n. 7

8 Ebben a példában független valószínűségi változók olyan normalizált részletösszegeit tekintettük, amelyre nem teljesül a centrális határeloszlástétel. Ugyanis a centrális határeloszlástétel szerint az S n normalizált részletösszegeknek a nulla várható értékű és egy szórásnégyzetű normális eloszláshoz kellene konvergálni. Az egyenletes kicsiség feltétele teljesül ebben a példában, mert s n = n, és sup = n nullához konvergál, k n ha n. Viszont nem teljesül a Lindeberg feltétel, mert például ε = választással s n Eξk I ξ k > εs n = n k P ξ k > n = n Eξ k s n k= n + k k = 4. A példa indoklása. Az ES n = 0 és ESn = reláció nyilvánvaló. A határeloszlásról szóló állítás bizonyítása érdekében vezessük be az X n = ξ n I ξ n, Y n = ξ n I ξ n >, U n = n X k és V n = n Y k mennyiségeket. Ekkor S n = n U n + n V n. A független, k=n egyforma eloszlású valószínűségi változók részletösszegeire vonatkozó centrális határeloszlástétel alapján az n U n, n =,,..., sorozat eloszlásban konvergál a nulla várható értékű és szórásnégyzetű normális eloszláshoz n esetén, mert az X k, EX k = 0, EXk =, valószínűségi változók k =,,..., függetlenek és egyforma eloszlásúak. Az n V n kifejezések sztochasztikusan konvergálnak nullához, ha n. Ugyanis PY k 0 <, ezért a Borell Cantelli lemma alapján egy valószínűséggel csak véges sok Y k ω nem egyenlő nullával, és Y k ω Kω valószínűséggel. A példa állítása következik a fenti állításokból és a kiegészítésben bizonyított egyébként egyszerű Slutzky lemmából. Ez a lemma azt mondja ki, hogy amennyiben valószínűségi változók valamely P n sorozata eloszlásban konvergál egy F eloszláshoz, és valószínűségi változók egy másik Q n sorozata sztochasztikusan konvergál nullához, akkor a P n + Q n sorozat is konvergál eloszlásban az F eloszláshoz. Mivel S n = n U n + n V n, a példa állítása következik a fenti relációkból és a Slutzky lemmából P n = n U n és Q n = n V n választással. Egy másik példa olyan modellre, amelyben nem teljesül a centrális határeloszlástétel. Tekintsünk egy ξ k,j, k =,,..., j n k, szériasorozatot, amelyre n k, ha k, a ξ k,j, j n k, valószínűségi változók függetlenek, P ξ k,j = = P ξ k,j = 0 = λ k,j, j n k, és a λ k,j konstansok teljesítik a sup λ k,j = 0 és a λ k,j = feltételeket. Legyen ξ k,j = ξ k,j E ξ k,j. A j n k ξ k,j, j n k, szériasorozat a Lindeberg feltétel kivételével teljesíti a szériasorozatokra vonatkozó eloszlástétel feltételeit. Másrészt az S k = n k ξ k,j sorösszegek eloszlásban konvergálnak egy η Eη valószínűségi változóhoz, ahol η Poisson eloszlású λ = paraméterrel. A példa indoklása. A ξ k,j, j n k, szériasorozat teljesíti a szériasorozatokra 8

9 vonatkozó Poisson határeloszlástétel feltételeit λ = paraméterrel. Ezért,mint később látni fogjuk, az S k = n k ξ k,j összegek egy λ = paraméterű Poisson eloszlású η valószínűségi változóhoz, az S k = S k E S k valószínűségi változók pedig az η Eη valószínűségi változóhoz konvergálnak eloszlásban. Könnyen látható, hogy a ξ k,j, j n k szériasorozat a Lindeberg feltételt kivéve a szériasorozatokra vonatkozó centrális határeloszlástétel összes feltételét teljesíti. A Lindeberg feltételt viszont nem teljesíti. Ugyanis létezik olyan k = k 0 index, hogy E ξ k,j = λ k,j < minden k k 0 és j n k indexre. Ezért ξk,j I ξ k,j > ε = ξk,j I ξ k,j =, ha k k 0 és ε =. Innen Eξ k,j I ξ k,j > ε = Eξk,j I ξ k,j = = λ k,j λ k,j, és n k Eξk,j I ξ k,j > ε = n k λ k,j λ k,j, ha k k j, és ε =. Viszont nem nehéz belátni, hogy a λ k,j számokra tett feltételek mellett λ k,j λ k,j =. Rátérek a centrális határeloszlástétel bizonyítására. Az eloszlások konvergenciájáról szóló Alaptétel egyszerűsített változata alapján elég azt bebizonyítani, hogy ha teljesülnek a megfelelő centrális határeloszlástétel feltételei, akkor a sorösszegek szériasorozat esetén vagy a normalizált részletösszegek független valószínűségi változók sorozata esetén karakterisztikus függvényei konvergálnak a standard normális eloszlás karakterisztikus függvényéhez. Ezért érdemes először a standard normális eloszlás karakterisztikus függvényét kiszámolni. Ez történik a következő lemmában. A lemma bizonyításában kihasználom a komplex függvénytan néhány fontos eredményét. Lemma a standard normális eloszlásfüggvény karakterisztikus függvényéről. A ϕx = π e x /, < x <, sűrűségfüggvénnyel rendelkező standard normális eloszlásfüggvény karakterisztikus függvénye a gt = e t / függvény, azaz e itx π e x / dx = e t /. Bizonyítás. gt = = e t / e itx e x / dx = π it it π e x / dx. π e x it / e t / dx A fenti számolásban a szokásos technikát alkalmaztuk, az exponensben szereplő kvadratikus alakot teljes négyzetté alakítotuk át. Azt állítom, hogy it it π e x / dx =. 9

10 Ez az integrál abban különbözik a standard normális sűrűségfüggvény integráljától, hogy a normális sűrűségfüggvény integrálját nem a valós tengelyen, hanem egy vele párhuzamos egyenesen tekintjük. Ez az integrál ugyanannyi, mintha a valós tengelyen integráltuk volna az π e x / függvényt. Ez egyszerűen következik a komplex függvénytan talán legfontosabb eredményéből, amely szerint egy analitikus függvény körintegrálja egy zárt görbén nulla. Azt kell kihasználni, hogy a hz = e z / függvény analitikus az egész számsíkon, és ezenkívül a hz függvény olyan, hogy amennyiben a z argumentum imaginárius részének az abszolut értéke kisebb mint valamely fix K szám, reális részének az abszolut értéke pedig nagyon nagy, akkor a hz függvény nagyon kicsi. Mivel ez a bizonyítás a komplex függvénytani ismeretek felhasználása segítségével egyszerűen végrehajtható, viszont ez a komplex függvénytani rész, amelyet nem tanult mindenki elengedhetetlen ebben a bizonyításban, ezért a részletek kidolgozását elhagyom. Következmény. Két független normális eloszlású valószínűségi változó összege normális eloszlású valószínűségi változó. Bizonyítás. A következmény állítását be lehet bizonyítani két normális sűrűségfüggvény konvoluciójának a kiszámításával, és a gyakorlaton ezt meg fogjuk tenni. De egyszerűbben célhoz érünk két független normális eloszlású valószínűségi változó összegének a karakterisztikus függvényének a kiszámolásával és annak felhasználásával, hogy egy eloszlást meghatároz a karakterisztikus függvénye. Legyen ξ egy m várható értékű és σ szórásnégyzetű normális eloszlású valószínűségi változó. Akkor ξ felírható ξ = σ ξ + m alakban, ahol ξ standard normális eloszlású valószínűségi változó. Ezért ξ karakterisztikus függvénye ϕ t = Ee itσ ξ +m = e itm Ee itσ ξ = e σ t /+itm. Legyen η a ξ-től független m várható értékű és σ szórásnégyzetű normális eloszlású valószínűségi változó. Akkor η karakterisztikus függvénye ϕ t = e σ t /+itm, ξ + η karakterisztikus függvénye pedig ϕ tϕ t = e σ +σ t /+itm +m. Innen következik, hogy ξ + η m + m várható értékű és σ + σ szórásnégyzetű normális eloszlású valószínűségi változó. A szériasorozatok sorösszegeire érvényes centrális határeloszlástételt fogom bebizonyítani. A bizonyítás előtt ismertetek egy heurisztikus indoklást, majd megmutatom, hogy e heurisztikus indoklás részleteit kidolgozva hogyan kaphatunk pontos bizonyítást. Tekintsünk egy ξ k,j, k =,,..., j n k, szériasorozatot, amelynek tagjaira Eξ k,j = 0, Eξk,j <, k =,,..., j n k, és Eξk,j =. Jelölje ϕ k,jt = Ee itξ k,j, < t <, a ξ k,j valószínűségi változó karakterisztikus függvényét, és vezessük be az S k = n k ξ k,j jelölést. 0

11 Ekkor azt kell megmutatnunk, hogy EeitS k = e t / minden < t < számra. Viszont tudjuk a független valószínűségi változók szorzatának várható értékéről szóló eredmény alapján, hogy Ee its k = E exp itξ k,j nk = Ee itξ k,j = n k ϕ k,j t A fenti azonosságban logaritmust véve a bizonyítandó állítást így fogalmazhatjuk át: log ϕ k,j t = t /, < t <. Viszont a ϕ k,j t karakterisztikus függvényeket Taylor sorba fejtve a t = 0 pont körül, és felhasználva a valószínűségi változók momentumainak kifejezéséről a karakterisztikus függvényük segítségével megadott kifejezéséről szóló eredményt az előző előadásból a ϕ k,j t karakterisztikus függvényekre a következő közelítést tudjuk adni. Itt felhasználjuk, hogy mint azt később látni fogjuk, a tekintett valószínűségi változók kicsisége miatt az alábbi Taylor sorfejtéseket a nulla egy kis környezetében végezzük. ϕ k,j t ϕ k,j 0 + tϕ k,j0 + t ϕ k,j0 = + iteξ k,j t Eξ k,j = t Eξ k,j. Továbbá, mivel log u u kis u számokra, azt várjuk, hogy a log ϕ k,j t t Eξ k,j jó közelítést ad. E közelítő relációkat összegezve, és felhasználva a tétel feltételeit azt kapjuk, hogy n k log ϕ k,j t t Eξk,j t, és ezt kellett megmutatni. Belátjuk, hogy a fenti közelítő azonosságok pontosabb kifejtése segítségével be tudjuk bizonyítani a kívánt centrális határeloszlástételt. E program végrehajtásánek érdekében azonban fel kell tenni, hogy teljesül a Lindeberg feltétel. A részletek kidolgozása előtt belátok egy a bizonyításban hasznos lemmát, amely arról szól, hogy az e iu trigonometrikus függvényt milyen jól közelítik Taylor sorának szeletei. Lemma trigonometrikus függvények Taylor sor közelítéséről. Tetszőleges nem negatív egész k és valós u számra eiu + iu! + + iuk u k+ k! k +!. 3 Bizonyítás: Vezessük be az Fu = e iu + iu! + + iuk k! függvényt, és tekintsük ennek F j u deriváltjait. F j 0 = 0, ha 0 j k, és F k+ u = e iku = minden u valós számra. Teljes indukcióval kapjuk, hogy F j u u 0 F j+ s ds

12 u 0 s k j ds k j! = u k+ j k+ j! minden j = k +,k,...,0 számra. Tehát Fu u k+ k+!, és ez a Lemma állítása. A centrális határeloszlástétel bizonyítása szériasorozatok sorösszegeire. Lássuk először be, hogy a Lindeberg feltétel teljesüléséből következik az egyenletes kicsiség tulajdonsága. Rögzítsünk egy ε > 0 számot. Ekkor Eξk,j = Eξk,jI{ ξ k,j < ε} + Eξk,jI{ ξ k,j ε} ε + Eξk,jI{ ξ k,j ε}, ezért a Lindeberg feltétel alapján sup sup Eξk,j ε. Mivel ez az állítás minden j n k ε > 0 számra érvényes, innen következik az egyenletes kicsiség feltétele. A centrális határeloszlástétel bizonyítása érdekében először azt mutatom meg, hogy az Eξ k,j = 0 reláció és a Lindeberg feltétel teljesülése miatt Mivel Eξk,j ϕ k,j t = =, ez ekvivalens azzal, hogy E E e itξ k,j itξ k,j = t. 4 e itξ k,j itξ k,j + t ξ k,j = 0. Alkalmazva a 3 formulát u = tξ k,j választással k = -re, ha tξ k,j ε és k = -re, ha tξ k,j ε azt kapjuk, hogy E e itξ k,j itξ k,j + t ξ k,j n k I{ ξ k,j ε} E tξ k,j 3 I{ ξ k,j ε} 6 ε t 3 E ξ k,j 6 és a Lindeberg feltétel alapján E e itξ k,j itξ k,j + t ξ k,j I{ ξ k,j > ε} Et ξ k,ji{ ξ k,j > ε} = 0. const. ε,

13 Mivel ezek a relációk minden ε = 0-ra érvényesek, innen következik a 4 formula. Meg akarom mutatni, hogy igaz a 4 formula azon módosítása, amelyben az ϕ k,j t függvényt a log ϕ k,j t függvénnyel helyettesítem, azaz igaz a formulában felírt azonosság. Ennek érdekében belátom a következő technikai jellegű lemmát. Lemma karakterisztikus függvény logaritmusának a becsléséről. Tekintsük egy ξ valószínűségi változó ϕt karkakterisztikus függvényét valamilyen rögzített t számra. Ha Eξ = 0, Eξ ε egy elég kis ε = εt > 0 számmal akkor ϕt t Eξ, és log ϕt + ϕt t4 4 Eξ. A lemma bizonyítása. Alkalmazva a 3 formulát k = -re kapjuk, hogy e itξ itξ t ξ. Ezért véve a baloldalon az abszolútérték jelek közötti kifejezés várható értékét kapjuk, hogy ϕt t Eξ. Ha Eξ < ε elég kis ε = εt > 0 számmal, akkor ϕt 4. Vegyük észre, hogy véve a log z függvény Taylor sorát a z 4 halmazon, azt kapjuk, hogy log z z z. Innen log ϕt + ϕt = log ϕt ϕt ϕt t4 4 Eξ, ha Eξ εt. Megjegyzés. A fenti bizonyításban is felhasználtam a komplex függvénytan néhány fontos eredményét. Ugyanis ϕt komplex értékű függvény, így a számolásban a logaritmus függvény analitikus kiterjesztésével kellett dolgoznunk. Azt az eredményt használtam ki, hogy az e +z függvénynek kis z, pontosabban z < 4, számokra létezik olyan egyértelmű log + z inverze, amely a z = 0 pontban nullával egyenlő, és ezt a függvényt ki lehet fejezni a log + z = k+ z k k hatványsor segítségével. A bizonyítandó tétel feltételeinek teljesülése esetén, a ξ k,j, k =,,..., j n k, szériasorozat teljesíti az egyenletes kicsiség tulajdonságát, ezért alkalmazhatjuk a fenti lemmát mindegyik ξ k,j, j n k valószínűségi változóra elég nagy a t paramétertől függő k indexre. Innen kapjuk, hogy sup log ϕ k,j t + ϕ k,j t sup t 4 4 Az utolsó egyenlőtlenség azért igaz, mert küszöbindex-szel, és számra érvényes, ezért Eξk,j Eξ k,j ε t 4 4. sup j n k Eξ k,j ε, ha k k 0ε valamely k 0 =. Mivel a fenti egyenlőtlenség minden ε > 0 log ϕ k,j t ϕ k,j t = 0. Ebből a relációból, és a 4 formulából következik a formula. Ezután véve mind a két oldal exponenciális hatványát a formulában, és felhasználva az formula 3

14 azonosságát azt kapjuk, hogy EeitS k = e t /. Ezt az azonosságot akartuk bebizonyítani. Röviden tárgyalni fogom az úgynevezett lokális centrális határeloszlástételt független, egyforma és rácsos eloszlású valószínűségi változók összegére. Megfogalmazom a fő eredményt, és teszek néhány megjegyzést, amelyek segítenek megérteni az eredmény tartalmát, illetve azt, hogy miért természetes várni egy ilyen eredményt. A tétel részletes bizonyítását a kiegészítésben írom le. Az eredmény megfogalmazása előtt bevezetem a rácsos eloszlás fogalmát, illetve definiálom azt, hogy mikor nevezhetjük az egész számok halmazát egy eloszlást tartalmazó legritkább rácsnak. Rácsos eloszlás fogalma. Egy ξ valószínűségi változó rácsos eloszlású az egész számok rácsán, ha értékei az egész számok rácsára vannak koncentrálva, azaz egy valószínűséggel csak egész értékeket vesz fel, másképp fogalmazva Pξ = k =. Azt mondjuk, k= hogy az egész számok rácsa a ξ valószínűségi változó eloszlását tartalmazó legritkább rács, ha tetszőleges A > és B egész számokra Pξ = Ak + B <. k= Általánosabban, egy ξ valószínűségi változót rácsos eloszlásúnak nevezünk, ha azok értékei egy valószínűséggel egy {b + kh: k = 0, ±, ±,...} alakú halmazra vannak koncentrálva valamilyen h > 0 és b valós számokkal, azaz Pξ = kh + b =. k= Azt mondjuk, hogy a ξ valószínűségi változó értékei egy h, h > 0, szélességű rácsra mint legritkább rácsra vannak koncentrálva, ha létezik olyan b valós szám, amelyre Pξ = kh + b =, és Pξ = Akh + B < tetszőleges A > egész és B k= valós számokra. k= Megfogalmazom a következő, az egész számok halmazára, mint legritkább rácsra koncentrált eloszlású független és egyforma eloszlású valószínűségi változók összegére vonatkozó lokális centrális határeloszlástételnek nevezett eredményt. Lokális centrális határeloszlástétel független, egyforma, rácsos eloszlású valószínűségi változók összegére. Legyen ξ,ξ,..., független, egyforma eloszlású valószínűségi változók sorozata, mely valószínűségi változók rácsos eloszlásúak az egész számok rácsán, és az egész számok rácsa a legritkább a ξ j valószínűségi változók közös eloszlását tartalmazó rács. Legyen Eξ = m, Eξ = m <, tehát feltesszük, hogy a ξ valószínűségi változó második momentuma véges, és legyen σ = m m a ξ valószínűségi változó szórásnégyzete. Tekintsük az S n = ξ + + ξ n, n =,,..., részletösszegeket. Ekkor PS n = k = πnσ exp { ahol o egyenletes a k változóban. } k nm nσ + o n, k = 0, ±, ±,..., 4

15 Megjegyzés. Legyen ξ,ξ,... független, egyforma eloszlású valószínűségi változók sorozata, amelyek rácsos eloszlásúak, és eloszlásuk egy kh+b k = 0, ±, ±,..., h szélességű rácsra, mint legritkább rácsra, legyen koncentrálva. Vezessük be az S n = n ξ j, n =,,..., részletösszegeket. A fenti tétel segítségével jó aszimptotikus becslést tudunk adni a PS n = kh + nb alakú valószínűségekre is. Ennek érdekében vezessük be a ξ j = ξ j b h, j =,,..., az egész számok rácsára mint legritkább rácsra koncentrált valószínűségi változókat, és ezek S n = n ξ j részletösszegeit. Ekkor a PS n = kh+b = P S n = k azonosság segítségével az előző tétel jó aszimptotikát ad a minket érdeklő valószínűségre. Értsük meg a fenti lokális centrális határeloszlástétel tartalmát, és azt is, hogy miért nevezik ezt az eredményt lokális centrális határeloszlástételnek. A centrális határeloszlástétel szerint P < x Φx, ahol Φ a standard S n nm nσ normális eloszlásfüggvény. Ezenkívül azt is tudjuk, hogy a most vizsgált esetben az valószínűségi változó a k nm nσ, k = 0, ±, ±,..., nσ sűrűségű rácson veszi fel S n nm nσ az értékeit. Azt várjuk, hogy annak a valószínűsége, hogy az S n nm nσ valószínűségi változó a [ k nm nσ, k nm+ nσ ] intervallumban veszi fel az értékét, azaz S n = k, körülbelül annyi, mint annak a valószínűsége, hogy egy standard normális eloszlású valószínűségi változó is ebben a kis intervallumban veszi fel az értékét. Ennek valószínűsége pedig Φ k nm+ nσ Φ k nm nσ πnσ exp { k nm nσ }. A lokális centrális határeloszlástétel ezt az állítást mondja ki pontosabb formában. A lokális jelző a tételben arra utal, hogy a PS n = k valószínűség viselkedése az S n eloszlás lokális viselkedését írja le. A lokális centrális határeloszlástétel bizonyításának az az alapgondolata, hogy a PS n = k valószínűségeket pontosan ki tudjuk számolni a ξ valószínűségi változó ϕt = Ee itξ = k= Pξ = ke itk karakterisztikus függvénye segítségével. Valóban, Ee its n = ϕ n t, és a Fourier sorok együtthatóit kifejező formula segítségével azt kapjuk, hogy PS n = k = π e ikt ϕ n t dt. 5 π π A feladat ezután az, hogy adjunk jó aszimptotikus formulát az 5 formula jobboldalán szereplő integrálra. Ennek érdekében érdemes először az integrálban szereplő ϕ n t kifejezésre jó becslést adni. Tudjuk, hogy ϕ0 =, ϕ 0 = imt, ϕ 0 = m. Ezért azt várjuk, hogy kis t értékekre a karakterisztikus függvény origó körüli Taylor sorfejtése alapján elég jó közelítést kapunk a ϕt függvényre, illetve annak n-ik hatványára. A karakterisztikus függvény Taylor sorfejtése azt sugallja, hogy ϕ n t n + imt m t e nimt m t / elég jó közelítés kis t argumentumokra. Valójában érdemes a fenti érvelés kissé finomított változatát alkalmazni. Célszerű az alkalmas 5

16 közelítés kiszámításában nem a ϕt, hanem a log ϕt Taylor sor közelítésével dolgozni és utána a ϕ n t = e n log ϕt azonosságot használni. De ez az eljárás is csak kis t paraméterekre ad jó közelítést a ϕt n mennyiségre, és felmerül a kérdés, hogy hogyan tudjuk jól becsülni a karakterisztikus függvényt nem kis t argumentumokra. Ezen a ponton jelenik meg az a feltétel, hogy a ξ valószínűségi változó eloszlásását tartalmazó legritkább rács az egész számok rácsa. Arra, hogy a ξ valószínűségi változó rácsos eloszlásású azért volt szükség, mert ez biztosítja az 5 formula érvényességét. A következő lemmában belátjuk, hogy a ξ eloszlásának előbb említett tulajdonságából következik, hogy a [ π,π] intervallumban, azaz az 5 formulában szereplő integrál integrálási tartományában a t = 0 pont az egyetlen olyan pont, ahol ϕt =. Ennek a ténynek, illetve a karakterisztikus függvény folytonosságának a segítségével könnyen belátható, hogy az ε t π tartomány hozadéka exponenciálisan kicsi az 5 formulában szereplő integrálban minden ε > 0 számra. Lemma egy rácsos eloszlású valószínűségi változó karakterisztikus függvényének a viselkedéséről. Legyen egy ξ valószínűségi változó eloszlása az egész számok rácsára, mint legritkább rácsra koncentrálva. Tekintsük a ξ valószínűségi változó karakterisztikus függvényét definiáló Pt = k= e ikt Pξ = k Fourier sort. A Pt Fourier sor periódusa π, P0 =, Pt minden valós t számra, és Pt <, ha t π, és t 0. A lemma bizonyítása. Nyílvánvaló módon Pt minden t valós számra, és P0 =. Mutassuk meg, hogy a ξ valószínűségi változó eloszlásának egy h > 0 szám akkor és csak akkor periódusa, azaz akkor és csak akkor koncentrálódik ξ eloszlása valamely kh + b, k = 0, ±, ±,... alakú halmazra, ha Ee iπξ/h =. Valóban, ha Ee iπξ/h =, akkor Ee iπξ/h = e iπa, azaz Ee iπξ/h a = valamilyen, valós a számra. Mivel Re e iπx minden x valós számra, és Re e iπx = csak akkor teljesül, ha x egész szám, az Ee iπξ/h a = azonosság csak akkor állhat fenn, ha a ξ h a valószínűségi változó eloszlása a k, k = 0, ±, ±,..., pontokba van koncentrálva, azaz a ξ valószínűségi változó a kh + b, k = 0, ±, ±,..., rácsra van koncentrálva, ahol b = ha. Megfordítva, ha a ξ valószínűségi változó eloszlása egy kh+b, k = 0, ±,..., rácsra van koncentrálva, akkor Ee iπξ = e iπb, tehát Ee iπξ =. Ha a ξ valószínűségi változó eloszlása nincsen semmilyen h > szélességű rácsra koncentrálva, akkor az előbbiek alapján P π h < minden h > számra, tehát a lemma feltételeinek teljesülése esetén Pt < minden 0 < t < π, speciálisan minden 0 < t π számra. Mivel P t = Pt, ahol a felülvonás komplex konjugáltat jelöl, ezért Pt <, ha t π, és t 0. A lemmát bebizonyítottuk. Mivel minden karakterisztikus függvény folytonos, a fenti lemmából következik, hogy a független, egyforma, rácsos eloszlású valószínűségi változók összegére megfogalmazott lokális centrális határeloszlástétel feltételeinek teljesülése esetén minden ε > 0 számhoz létezik olyan δ = δε > 0 szám, amelyre a ξ valószínűségi változó ϕt karakterisztikus függvénye teljesíti a ϕt δ egyenlőtlenséget minden ε t π 6

17 számra. Ezért minden ε > 0 számhoz létezik olyan 0 < δ < szám, amelyre e ikt ϕ n t dt π δn. 6 {t: ε t π} Ez azt jelenti, hogy az 5 formula jobboldalán szereplő integrál becslésében elég az integrálnak egy [ ε, ε] intervallumba eső részére jó becslést adni. Ez, mint jeleztem, lehetséges a karakterisztikus függvény origó körüli Taylor sorfejtése segítségével. A részletes bizonyítást a kiegészítésben adom meg. Megjegyzem, hogy a Stirling formula bizonyításában hasonló érvelést alkalmaztunk a Poisson eloszlásra. Az egyetlen különbség az volt, hogy ott a karakterisztikus függvényre egyszerű, explicit formulát tudtunk adni, ami egyszerűsítette a számolásokat. A rácsos eloszlású valószínűségi változókra bizonyított lokális centrális határeloszlástételt a Fourier sorok Fourier együtthatóit kifejező 5 formula segítségével tudjuk bizonyítani. Ismertetek egy az 5 formulához hasonló eredményt, amely lehetővé teszi egy függvény értékeinek kiszámítását a függvény Fourier transzformáltjának segítségével. Inverziós formula egy függvény Fourier transzformáljára. Legyen fx integrálható függvény a számegyenesen, azaz tegyük fel, hogy fx dx <. Tekintsük az f függvény Fourier transzformáltját, azaz az ft = eitx fx dx, < x <, függvényt. Ha az ft függvény szintén integrálható, azaz ft dt <, akkor fx a Lebesgue mérték szerint majdnem minden x R pontra megegyezik az alábbi folytonos és korlátos függvénnyel: fx = e itx ft dt. 7 π Ezen inverziós formula segítségével sűrűségfüggvénnyel rendelkező független valószínűségi változók normalizált összegének a sűrűségfüggvényére is lehet lokális centrális határeloszlástételt bizonyítani. Ez azt állítja, hogy független, sűrűségfüggvénnyel rendelkező valószínűségi változók normalizált összegének a létező sűrűségfüggvénye alkalmas feltételek teljesülése esetén minden < x < pontban konvergál az fx = π e x / standard normális sűrűségfüggvényhez, és ez a konvergencia egyenletes. Az eredmény pontos megfogalmazását és bizonyítását, amely a rácsos eloszlású valószínűségi változók összegéről szóló centrális határeloszlástétel bizonyításához hasonló, és a 7 formulában felírt integrál becslésén alapul, elhagyom. Egy ilyen lokális centrális határeloszlástétel bizonyításának végrehajtásához tudnunk kell, hogy mikor alkalmazhatjuk sűrűségfüggvény kiszámításához a 7 formulát. Ehhez az kell, hogy mind a sűrűségfüggvény mind annak Fourier transzformáltja integrálható legyen. Egy sűrűségfüggvény mindig integrálható, és a Fourier analízis eredményei alapján a Fourier transzformáltja is integrálható, ha a sűrűségfüggvény elég sima. 7

18 Kiegészítés. Néhány a jegyzetben megfogalmazott eredmény bizonyítása. Először a következő eredmény bizonyítását ismertetem. Szériasorozatok sorösszegeiről szóló centrális határeloszlástétel megfordításának bizonyítása. Jelölje ϕ k,j t a ξ k,j valószínűségi változó karakterisztikus függvényét. Először azt mutatom meg, hogy a tétel feltételeinek teljesülése esetén Re ϕ k,j t = t. 8 Valóban a centrális határeloszlástételből, illetve abból a kissé gyengébb állításból, hogy a n k ξ k,j sorösszegek eloszlásban konvergálnak egy szórásnégyzetű ismeretlen m várható értékű normális valószínűségi változóhoz következik, hogy n k ϕ k,j t = e t /+imt illetve először abszolut értéket majd logaritmust véve Relog ϕ k,j t = t minden valós t számra, minden valós t számra. 9 Továbbá az egyenletes kicsiség feltétele miatt minden ε > 0 számhoz létezik olyan k 0 = k 0 ε küszöbindex, amelyre Eξk,j ε minden j n k indexre, ha k k 0. Ezért a karakterisztikus függvény logaritmusának a becsléséről szóló lemma alapján minden t > 0 és elég kis ε = εt > 0 számhoz létezik olyan k 0 = k 0 ε küszöbindex, amelyre Re log ϕ k,j t+re ϕ k,j t log ϕ k,j t+ ϕ k,j t t4 4 Eξk,j εt 4 4 Eξ k,j minden k k 0 és j n k indexre. Ezen egyenlőtlenségeket összegezve, és felhasználva a = relációt, azt kapjuk, hogy Eξk,j sup Relog ϕ k,j t + Re ϕ k,j t εt4 4. Mivel ez a reláció minden ε > 0 számra igaz, ezért a 9 relációval együtt implikálja a 8 formulát. Mivel nagy k indexre a szériasorozat sorainak az összege közel egy szórásnégyzetű, ezért a 8 formulából következik, hogy E costξ k,j + t ξk,j = 0 minden t R számra. 0 8

19 Vegyük észre, hogy cos u + u 0 minden u R számra. Valóban, az Fu = cos u + u függvényre F u = cos u 0 minden u valós számra, és F0 = F 0 = 0. Innen az F u = u 0 F s ds függvényre F u 0, ha u 0, és F u 0, ha u < 0. Hasonlóan, további integrálással Fu 0 minden u számra. Ezenkívül cos u + u u + u 4, ha u > 3. Ezért a 0 formulában szereplő várható értékekre felírhatjuk, hogy E costξ k,j + t ξk,j + E costξ k,j + t ξ k,j = E costξ k,j + t ξk,j Ezt felhasználva a 0 formulából következik, hogy azaz minden t számra. Innen t = 3 ε t 4 Eξ k,ji Eξk,jI I tξ k,j 3 I tξ k,j > 3 t 4 Eξ k,ji tξ k,j > 3. { ξ k,j 3 } = 0, t { ξ k,j 3 } = 0 t választással megkapjuk a tétel állítását. A következő ismertetendő eredmény a Slutzky lemma és annak bizonyítása. Határeloszlástétel véletlen sorozatok kis perturbációjára. Slutzky lemma. Legyen adva valószínűségi változók egy T k és ε k sorozata, k =,,..., úgy, hogy a T k sorozat eloszlásban konvergál egy F eloszláshoz, és az ε k sorozat sztochasztikusan konvergál nullához, ha k. Ekkor az S k = T k + ε k, k =,,..., sorozat szintén eloszlásban konvergál az F eloszláshoz, ha k. A Slutzky lemma bizonyítása. Tekintsük az F határeloszlás függvény egy x folytonossági pontját. Rögzítsünk egy kis δ > 0 számot, és válasszunk olyan η > 0 számot, amelyre Fx + η < Fx + δ, Fx η > Fx δ, és mind az x + η, mind az x η pont folytonossági pontja az F függvénynek. Ezzel a választással és PT k + ε k < x PT k < x + η + Pε k < η PT k + ε k < x = PT k + ε k x Innen PT k x η + Pε k > η = PT k < x η + Pε k > η. PT k < x η Pε k > η PT k + ε k < x PT k < x + η + Pε k < η, 9

20 és k határátmenetet alkalmazva és felhasználva azt, hogy az ε k valószínűségi változók sztochasztikusan nullához konvergálnak azt kapjuk, hogy Fx δ Fx η inf PT k + ε k < x sup PT k + ε k < x Fx + η Fx + δ. Mivel ez az állítás minden δ > 0 számra érvényes, innen következik a Slutzky lemma. Ismertetem még a lokális centrális határeloszlástétel bizonyítását is rácsos eloszlású valószínűségi változókra. A lokális centrális határeloszlástétel bizonyítása független, egyforma, rácsos eloszlású valószínűségi változók összegére. Az 5 formula alapján PS n = k = ahol Pt = π π k= π e ikt P n t dt = + t < ε n + ε < t <ε n ε< t <π = I + I + I 3, e ikt Pξ = k, és ε > 0 tetszőleges kis pozitív szám. A tétel bizonyítása érdekében jó becslést adunk az I, I és I 3 integrálokra. Az I 3 integrált már megbecsültük a 6 formulában. Az I és I integrálok kiszámításához jó becslést kell adnunk a P n t függvényre, ha t < ε. Kényelmesebb a log Pt függvénnyel dolgozni. Ez kis ε > 0 számra lehetséges, mert ebben az esetben a Pt függvény értéke a [ ε, ε] intervallumban szeparálva van nullától. Egyszerű számolással kapjuk, hogy d log Pt dt = P t Pt, d log Pt dt d log Pt dt = P tpt P t P, t = im, t=0 d log Pt dt ezért az origó körüli Taylor sorfejtéssel kapjuk, hogy log Pt = imt σ t + ot, ha t < ε. = m + m = σ, t=0 Innen, mivel P n t = e nre log Pt = e nσ t /+ot e nσ t /3, ha t < ε és n nε, ezért I P n t dt π ε < t <ε π n π n 0 e nσ ε < t <ε n ε t /3 dt e σ t /3 dt n e σ /4ε.

A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat.

A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat. Poisson folyamatok, exponenciális eloszlások Azt mondjuk, hogy a ξ valószínűségi változó Poisson eloszlású λ, 0 < λ

Részletesebben

ismertetem, hogy milyen probléma vizsgálatában jelent meg ez az eredmény. A kérdés a következő: Mikor mondhatjuk azt, hogy bizonyos események közül

ismertetem, hogy milyen probléma vizsgálatában jelent meg ez az eredmény. A kérdés a következő: Mikor mondhatjuk azt, hogy bizonyos események közül A Borel Cantelli lemma és annak általánosítása. A valószínűségszámítás egyik fontos eredménye a Borel Cantelli lemma. Először informálisan ismertetem, hogy milyen probléma vizsgálatában jelent meg ez az

Részletesebben

Készítette: Fegyverneki Sándor

Készítette: Fegyverneki Sándor VALÓSZÍNŰSÉGSZÁMÍTÁS Összefoglaló segédlet Készítette: Fegyverneki Sándor Miskolci Egyetem, 2001. i JELÖLÉSEK: N a természetes számok halmaza (pozitív egészek) R a valós számok halmaza R 2 {(x, y) x, y

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 2 II. A valószínűségi VÁLTOZÓ És JELLEMZÉsE 1. Valószínűségi VÁLTOZÓ Definíció: Az leképezést valószínűségi változónak nevezzük, ha

Részletesebben

n = 1,2,..., a belőlük készített részletösszegek sorozata. Tekintsük az S n A n

n = 1,2,..., a belőlük készített részletösszegek sorozata. Tekintsük az S n A n Határeloszlástételek és korlátlanul osztható eloszlások. I. rész Az alapvető problémák megfogalmazása. A valószínűségszámítás egyik alapvető feladata a következő kérdés vizsgálata: Legyen ξ 1,ξ 2,... független

Részletesebben

Wiener-folyamatok legfontosabb tulajdonságai. Poisson-folyamatok.

Wiener-folyamatok legfontosabb tulajdonságai. Poisson-folyamatok. Wiener-folyamatok legfontosabb tulajdonságai. Poisson-folyamatok. Láttuk, hogy a Wiener-folyamat teljesíti az úgynevezett funkcionális centrális határeloszlástételt. Ez az eredmény durván szólva azt fejezi

Részletesebben

azonosságot minden 1 i, l n, 1 j k, indexre teljesítő együtthatókkal, amelyekre érvényes a = c (j) i,l l,i

azonosságot minden 1 i, l n, 1 j k, indexre teljesítő együtthatókkal, amelyekre érvényes a = c (j) i,l l,i A Cochran Fisher tételről A matematikai statisztika egyik fontos eredménye a Cochran Fisher tétel, amely a variancia analízisben játszik fontos szerepet. Ugyanakkor ez a tétel lényegét tekintve valójában

Részletesebben

Fourier-sorok. néhány esetben eltérhetnek az előadáson alkalmazottaktól. Vizsgán. k=1. 1 k = j.

Fourier-sorok. néhány esetben eltérhetnek az előadáson alkalmazottaktól. Vizsgán. k=1. 1 k = j. Fourier-sorok Bevezetés. Az alábbi anyag a vizsgára való felkészülés segítése céljából készült. Az alkalmazott jelölések vagy bizonyítás részletek néhány esetben eltérhetnek az előadáson alkalmazottaktól.

Részletesebben

Fourier-sorok. Lengyelné Dr. Szilágyi Szilvia. 2010. április 7.

Fourier-sorok. Lengyelné Dr. Szilágyi Szilvia. 2010. április 7. ME, Anaĺızis Tanszék 21. április 7. A Taylor-polinom ill. Taylor-sor hátránya, hogy az adott függvényt csak a sorfejtés helyén ill. annak környezetében közeĺıti jól. A sorfejtés helyétől távolodva a közeĺıtés

Részletesebben

Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit.

Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit. 2. A VALÓS SZÁMOK 2.1 A valós számok aximómarendszere Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit. 1.Testaxiómák R-ben két művelet van értelmezve, az

Részletesebben

Számsorozatok (1) First Prev Next Last Go Back Full Screen Close Quit

Számsorozatok (1) First Prev Next Last Go Back Full Screen Close Quit Számsorozatok (1) First Prev Next Last Go Back Full Screen Close Quit 1. Valós számsorozaton valós számok meghatározott sorrendű végtelen listáját értjük. A hangsúly az egymásután következés rendjén van.

Részletesebben

Határozatlan integrál (2) First Prev Next Last Go Back Full Screen Close Quit

Határozatlan integrál (2) First Prev Next Last Go Back Full Screen Close Quit Határozatlan integrál () First Prev Next Last Go Back Full Screen Close Quit 1. Az összetett függvények integrálására szolgáló egyik módszer a helyettesítéssel való integrálás. Az idevonatkozó tétel pontos

Részletesebben

Feladatok: a huszadik vagy valamely későbbi dobásban jelenik meg. n 1 5. hatos dobás a 20. dobásban vagy azután jelenik meg egyenlő annak a

Feladatok: a huszadik vagy valamely későbbi dobásban jelenik meg. n 1 5. hatos dobás a 20. dobásban vagy azután jelenik meg egyenlő annak a Feladatok:. Dobjunk fel egy szabályos dobókockát egymás után egymástól függetlenül végtelen sokszor. Számítsuk ki annak a valószínűségét, hogy a harmadik hatos dobás vagy a huszadik vagy valamely későbbi

Részletesebben

MODELLEK ÉS ALGORITMUSOK ELŐADÁS

MODELLEK ÉS ALGORITMUSOK ELŐADÁS MODELLEK ÉS ALGORITMUSOK ELŐADÁS Szerkesztette: Balogh Tamás 214. december 7. Ha hibát találsz, kérlek jelezd a info@baloghtamas.hu e-mail címen! Ez a Mű a Creative Commons Nevezd meg! - Ne add el! - Így

Részletesebben

KOVÁCS BÉLA, MATEMATIKA I.

KOVÁCS BÉLA, MATEMATIKA I. KOVÁCS BÉLA MATEmATIkA I 6 VI KOmPLEX SZÁmOk 1 A komplex SZÁmOk HALmAZA A komplex számok olyan halmazt alkotnak amelyekben elvégezhető az összeadás és a szorzás azaz két komplex szám összege és szorzata

Részletesebben

First Prev Next Last Go Back Full Screen Close Quit. (Derivált)

First Prev Next Last Go Back Full Screen Close Quit. (Derivált) Valós függvények (3) (Derivált) . Legyen a belső pontja D f -nek. Ha létezik és véges a f(x) f(a) x a x a = f (a) () határérték, akkor f differenciálható a-ban. Az f (a) szám az f a-beli differenciálhányadosa.

Részletesebben

KOVÁCS BÉLA, MATEMATIKA II.

KOVÁCS BÉLA, MATEMATIKA II. KOVÁCS BÉLA, MATEmATIkA II 3 III NUmERIkUS SOROk 1 Alapvető DEFInÍCIÓ ÉS TÉTELEk Végtelen sor Az (1) kifejezést végtelen sornak nevezzük Az számok a végtelen sor tagjai Az, sorozat az (1) végtelen sor

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen

Részletesebben

2. Logika gyakorlat Függvények és a teljes indukció

2. Logika gyakorlat Függvények és a teljes indukció 2. Logika gyakorlat Függvények és a teljes indukció Folláth János Debreceni Egyetem - Informatika Kar 2012/13. I. félév Áttekintés 1 Függvények Relációk Halmazok 2 Természetes számok Formulák Definíció

Részletesebben

Bevezetés. 1. előadás, 2015. február 11. Módszerek. Tematika

Bevezetés. 1. előadás, 2015. február 11. Módszerek. Tematika Bevezetés 1. előadás, 2015. február 11. Zempléni András Valószínűségelméleti és Statisztika Tanszék Természettudományi Kar Eötvös Loránd Tudományegyetem Áringadozások előadás Heti 2 óra előadás + 2 óra

Részletesebben

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI MÉRÉSI EREDMÉYEK POTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI. A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk

Részletesebben

valós számot tartalmaz, mert az ilyen részhalmazon nem azonosság.

valós számot tartalmaz, mert az ilyen részhalmazon nem azonosság. 2. Közönséges differenciálegyenlet megoldása, megoldhatósága Definíció: Az y függvényt a valós számok H halmazán a közönséges differenciálegyenlet megoldásának nevezzük, ha az y = y(x) helyettesítést elvégezve

Részletesebben

2. Zárthelyi megoldásokkal 1998 tavasz I. évf. 13.-18.tk.

2. Zárthelyi megoldásokkal 1998 tavasz I. évf. 13.-18.tk. . Zárthelyi megoldásokkal 998 tavasz I. év..-8.tk.. Döntse el, hogy létezik e, és ha igen, számítsa ki az ) e üggvény századik deriváltját az helyen! MO. Egyrészt e ) n origó körüli Taylor-sora alapján

Részletesebben

Folytonos rendszeregyenletek megoldása. 1. Folytonos idejű (FI) rendszeregyenlet általános alakja

Folytonos rendszeregyenletek megoldása. 1. Folytonos idejű (FI) rendszeregyenlet általános alakja Folytonos rendszeregyenletek megoldása 1. Folytonos idejű (FI) rendszeregyenlet általános alakja A folytonos rendszeregyenletek megoldásakor olyan rendszerekkel foglalkozunk, amelyeknek egyetlen u = u(t)

Részletesebben

A kanonikus sokaság. :a hőtartály energiája

A kanonikus sokaság. :a hőtartály energiája A kanonikus sokaság A mikrokanonikus sokaság esetén megtanultuk, hogy a megengedett mikroállapotok egyenértéküek, és a mikróállapotok száma minimális. A mikrókanónikus sokaság azonban nem a leghasznosabb

Részletesebben

A prímszámok eloszlása, avagy az első 50 millió

A prímszámok eloszlása, avagy az első 50 millió Bevezetés Pímszámok A prímszámok eloszlása, avagy az első 50 millió prímszám. Klukovits Lajos TTIK Bolyai Intézet 2014. április 8. Néhány definíció. 1 A klasszikus számelméleti. p N prím, ha a p a = ±1,

Részletesebben

Analízis elo adások. Vajda István. 2012. szeptember 10. Neumann János Informatika Kar Óbudai Egyetem. Vajda István (Óbudai Egyetem)

Analízis elo adások. Vajda István. 2012. szeptember 10. Neumann János Informatika Kar Óbudai Egyetem. Vajda István (Óbudai Egyetem) Vajda István Neumann János Informatika Kar Óbudai Egyetem 1 / 36 Bevezetés A komplex számok értelmezése Definíció: Tekintsük a valós számpárok R2 halmazát és értelmezzük ezen a halmazon a következo két

Részletesebben

1. Számsorok, hatványsorok, Taylor-sor, Fourier-sor

1. Számsorok, hatványsorok, Taylor-sor, Fourier-sor . Számsorok, hatványsorok, Taylor-sor, Fourier-sor Vizsgálja meg a következ végtelen sorokat konvergencia szempontjából. Tétel. (Cauchy-féle bels konvergenciakritérium) A a n végtelen sor akkor és csakis

Részletesebben

First Prev Next Last Go Back Full Screen Close Quit. Komplex számok (2)

First Prev Next Last Go Back Full Screen Close Quit. Komplex számok (2) 2. előadás Komplex számok (2) 1. A a + bi (a, b) kölcsönösen egyértelmű megfeleltetés lehetővé teszi, hogy a komplex számokat a sík pontjaival, illetve helyvektoraival ábrázoljuk. A derékszögű koordináta

Részletesebben

út hosszát. Ha a két várost nem köti össze út, akkor legyen c ij = W, ahol W már az előzőekben is alkalmazott megfelelően nagy szám.

út hosszát. Ha a két várost nem köti össze út, akkor legyen c ij = W, ahol W már az előzőekben is alkalmazott megfelelően nagy szám. 1 Az utazó ügynök problémája Utazó ügynök feladat Adott n számú város és a városokat összekötő utak, amelyeknek ismert a hossza. Adott továbbá egy ügynök, akinek adott városból kiindulva, minden várost

Részletesebben

x = 1 = ı (imaginárius egység), illetve x 12 = 1 ± 1 4 2

x = 1 = ı (imaginárius egység), illetve x 12 = 1 ± 1 4 2 Komplex számok A valós számok és a számegyenes pontjai között kölcsönösen egyértelmű megfeleltetés létesíthető. A számfogalom a számegyenes pontjainak körében nem bővíthető tovább. A számfogalom bővítését

Részletesebben

Dr. Tóth László Hány osztója van egy adott számnak? 2008. április

Dr. Tóth László Hány osztója van egy adott számnak? 2008. április Hány osztója van egy adott számnak? Hány osztója van egy adott számnak? Dr. Tóth László http://www.ttk.pte.hu/matek/ltoth előadásanyag, Pécsi Tudományegyetem, TTK 2008. április. Bevezetés Lehetséges válaszok:

Részletesebben

1/50. Teljes indukció 1. Back Close

1/50. Teljes indukció 1. Back Close 1/50 Teljes indukció 1 A teljes indukció talán a legfontosabb bizonyítási módszer a számítástudományban. Teljes indukció elve. Legyen P (n) egy állítás. Tegyük fel, hogy (1) P (0) igaz, (2) minden n N

Részletesebben

Informatikai rendszerek modellezése Dr. Sztrik, János

Informatikai rendszerek modellezése Dr. Sztrik, János Informatikai rendszerek modellezése Dr. Sztrik, János Informatikai rendszerek modellezése Dr. Sztrik, János Debreceni Egyetem Kelet-Magyarországi Informatika Tananyag Tárház Nemzeti Fejlesztési Ügynökség

Részletesebben

36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0,9375 32 = 0,8125 32 = 0,40625. Mo.: 32 = 0,25

36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0,9375 32 = 0,8125 32 = 0,40625. Mo.: 32 = 0,25 Valószínűségszámítás I. Kombinatorikus valószínűségszámítás. BKSS 4... Egy szabályos dobókockát feldobva mennyi annak a valószínűsége, hogy a -ost dobunk; 0. b legalább 5-öt dobunk; 0, c nem az -est dobjuk;

Részletesebben

karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja

karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus egyenlet Ortogonális mátrixok. Kvadratikus alakok főtengelytranszformációja 1.Mátrixok hasonlósága, karakterisztikus mátrix, karakterisztikus

Részletesebben

Feladatok a Diffrenciálegyenletek IV témakörhöz. 1. Határozzuk meg következő differenciálegyenletek általános megoldását a próba függvény módszerrel.

Feladatok a Diffrenciálegyenletek IV témakörhöz. 1. Határozzuk meg következő differenciálegyenletek általános megoldását a próba függvény módszerrel. Feladatok a Diffrenciálegyenletek IV témakörhöz 1 Határozzuk meg következő differenciálegyenletek általános megoldását a próba függvény módszerrel (a) y 3y 4y = 3e t (b) y 3y 4y = sin t (c) y 3y 4y = 8t

Részletesebben

9. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMITÁSA. 9.1 Metrika és topológia R k -ban

9. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMITÁSA. 9.1 Metrika és topológia R k -ban 9. TÖBBVÁLTOZÓS FÜGGVÉNYEK DIFFERENCIÁLSZÁMITÁSA 9.1 Metrika és topológia R k -ban Definíció. A k-dimenziós euklideszi térnek nevezzük és R k val jelöljük a valós számokból alkotott k-tagú x = (x 1, x

Részletesebben

egyenlőtlenségnek kell teljesülnie.

egyenlőtlenségnek kell teljesülnie. MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Abszolútértékes és gyökös kifejezések A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval

Részletesebben

Következik, hogy B-nek minden prímosztója 4k + 1 alakú, de akkor B maga is 4k + 1 alakú, s ez ellentmondás.

Következik, hogy B-nek minden prímosztója 4k + 1 alakú, de akkor B maga is 4k + 1 alakú, s ez ellentmondás. Prímszámok A (pozitív) prímszámok sorozata a következő: 2, 3, 5, 7, 11, 13, 17, 19,... 1. Tétel. Végtelen sok prímszám van. Első bizonyítás. (Euklidész) Tegyük fel, hogy állításunk nem igaz, tehát véges

Részletesebben

18. Valószín ségszámítás. (Valószín ségeloszlások, függetlenség. Valószín ségi változók várható

18. Valószín ségszámítás. (Valószín ségeloszlások, függetlenség. Valószín ségi változók várható 8. Valószí ségszámítás. (Valószí ségeloszlások, függetleség. Valószí ségi változók várható értéke, magasabb mometumok. Kovergeciafajták, kapcsolataik. Borel-Catelli lemmák. Nagy számok gyege törvéyei.

Részletesebben

6. Differenciálegyenletek

6. Differenciálegyenletek 312 6. Differenciálegyenletek 6.1. A differenciálegyenlet fogalma Meghatározni az f függvény F primitív függvényét annyit jelent, mint találni egy olyan F függvényt, amely differenciálható az adott intervallumon

Részletesebben

I. Egyenlet fogalma, algebrai megoldása

I. Egyenlet fogalma, algebrai megoldása 11 modul: EGYENLETEK, EGYENLŐTLENSÉGEK MEGOLDÁSA 6 I Egyenlet fogalma, algebrai megoldása Módszertani megjegyzés: Az egyenletek alaphalmazát, értelmezési tartományát később vezetjük be, a törtes egyenletekkel

Részletesebben

1. előadás. Lineáris algebra numerikus módszerei. Hibaszámítás Számábrázolás Kerekítés, levágás Klasszikus hibaanalízis Abszolút hiba Relatív hiba

1. előadás. Lineáris algebra numerikus módszerei. Hibaszámítás Számábrázolás Kerekítés, levágás Klasszikus hibaanalízis Abszolút hiba Relatív hiba Hibaforrások Hiba A feladatok megoldása során különféle hibaforrásokkal találkozunk: Modellhiba, amikor a valóságnak egy közelítését használjuk a feladat matematikai alakjának felírásához. (Pl. egy fizikai

Részletesebben

k=1 k=1 találhatjuk meg, hogy az adott feltétel mellett az empirikus eloszlás ennek az eloszlásnak

k=1 k=1 találhatjuk meg, hogy az adott feltétel mellett az empirikus eloszlás ennek az eloszlásnak Nagy eltérések elmélete. A Szanov tétel. Egy előző feladatsorban, a Nagy eltérések elmélete; Független valós értékű valószínűségi változók feladatsorban annak az eseménynek a valószínűségét vizsgáltuk,

Részletesebben

Analízis Gyakorlattámogató jegyzet

Analízis Gyakorlattámogató jegyzet Analízis Gyakorlattámogató jegyzet Király Balázs. március. Tartalomjegyzék Előszó 7 I. Analízis I. 9. Számhalmazok tulajdonságai.. Gyakorlat.......................................... Házi Feladatok.....................................

Részletesebben

véletlen vektorokból álló sorozatok, amelyeknek a kovariancia mátrixai

véletlen vektorokból álló sorozatok, amelyeknek a kovariancia mátrixai 1. A probléma megfogalmazása. KÁLMÁN-FÉLE SZŰRŐK E jegyzet témája az úgynevezett Kálmán-féle szűrők vizsgálata. A feladat a következő. Adott egy x(0),x(1),..., több változós (együttesen) normális, más

Részletesebben

GAUSS-EGÉSZEK ÉS DIRICHLET TÉTELE

GAUSS-EGÉSZEK ÉS DIRICHLET TÉTELE GAUSS-EGÉSZEK ÉS DIRICHLET TÉTELE KEITH KEARNES, KISS EMIL, SZENDREI ÁGNES Második rész Cikkünk első részében az elemrend és a körosztási polinomok fogalmára alapozva beláttuk, hogy ha n pozitív egész,

Részletesebben

A Riemann-Siegel zeta függvény kiugró értékeinek keresése. A matematikai egyik legnehezebb problémája, avagy a prímszámok misztériuma

A Riemann-Siegel zeta függvény kiugró értékeinek keresése. A matematikai egyik legnehezebb problémája, avagy a prímszámok misztériuma A Riemann-Siegel zeta függvény kiugró értékeinek keresése A matematikai egyik legnehezebb problémája, avagy a prímszámok misztériuma 2013 A probléma fontossága és hatása a hétköznapi életre A prímszámok

Részletesebben

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Számelmélet I.

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Számelmélet I. Számelmélet I. DEFINÍCIÓ: (Osztó, többszörös) Ha egy a szám felírható egy b szám és egy másik egész szám szorzataként, akkor a b számot az a osztójának, az a számot a b többszörösének nevezzük. Megjegyzés:

Részletesebben

Gyakorló feladatok a 2. dolgozathoz

Gyakorló feladatok a 2. dolgozathoz Gyakorló feladatok a. dolgozathoz. Tíz darab tízforintost feldobunk. Mennyi annak a valószínűsége hogy vagy mindegyiken írást vagy mindegyiken fejet kapunk? 9. Egy kör alakú asztal mellett tízen ebédelnek:

Részletesebben

1. A komplex számok definíciója

1. A komplex számok definíciója 1. A komplex számok definíciója A számkör bővítése Tétel Nincs olyan n természetes szám, melyre n + 3 = 1. Bizonyítás Ha n természetes szám, akkor n+3 3. Ezért bevezettük a negatív számokat, közöttük van

Részletesebben

Megoldás: Mindkét állítás hamis! Indoklás: a) Azonos alapú hatványokat úgy szorzunk, hogy a kitevőket összeadjuk. Tehát: a 3 * a 4 = a 3+4 = a 7

Megoldás: Mindkét állítás hamis! Indoklás: a) Azonos alapú hatványokat úgy szorzunk, hogy a kitevőket összeadjuk. Tehát: a 3 * a 4 = a 3+4 = a 7 A = {1; 3; 5; 7; 9} A B = {3; 5; 7} A/B = {1; 9} Mindkét állítás hamis! Indoklás: a) Azonos alapú hatványokat úgy szorzunk, hogy a kitevőket összeadjuk. Tehát: a 3 * a 4 = a 3+4 = a 7 Azonos alapú hatványokat

Részletesebben

A hiperbolikus síkgeometria Poincaré-féle körmodellje

A hiperbolikus síkgeometria Poincaré-féle körmodellje A hiperbolikus síkgeometria Poincaré-féle körmodellje Ha egy aiómarendszerre modellt adunk, az azt jelenti, hogy egy matematikai rendszerben interpretáljuk az aiómarendszer alapfogalmait és az aiómák a

Részletesebben

KOVÁCS BÉLA, MATEMATIKA I.

KOVÁCS BÉLA, MATEMATIKA I. KOVÁCS BÉLA, MATEmATIkA I. 1 I. HALmAZOk 1. JELÖLÉSEk A halmaz fogalmát tulajdonságait gyakran használjuk a matematikában. A halmazt nem definiáljuk, ezt alapfogalomnak tekintjük. Ez nem szokatlan, hiszen

Részletesebben

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

Függvények határértéke és folytonossága

Függvények határértéke és folytonossága Függvények határértéke és folytonossága 7. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Függvények határértéke p. / Függvény határértéke az x 0 helyen Definíció. Legyen D R, f

Részletesebben

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

I. feladatsor. (t) z 1 z 3

I. feladatsor. (t) z 1 z 3 I. feladatsor () Töltse ki az alábbi táblázatot: Komple szám Valós rész Képzetes rész Konjugált Abszolútérték 4 + i 3 + 4i 5i 6i 3 5 3 i 7i () Adottak az alábbi komple számok: z = + 3i, z = i, z 3 = i.

Részletesebben

17.2. Az egyenes egyenletei síkbeli koordinátarendszerben

17.2. Az egyenes egyenletei síkbeli koordinátarendszerben Tartalom Előszó 13 1. Halmazok; a matematikai logika elemei 15 1.1. A halmaz fogalma; jelölések 15 1.2. Részhalmazok; komplementer halmaz 16 1.3. Halmazműveletek 17 1.4. A halmazok ekvivalenciája 20 1.5.

Részletesebben

Titkosírás. Biztos, hogy titkos? Szabó István előadása. Az életben sok helyen használunk titkosítást (mobil, internet, jelszavak...

Titkosírás. Biztos, hogy titkos? Szabó István előadása. Az életben sok helyen használunk titkosítást (mobil, internet, jelszavak... Biztos, hogy titkos? Szabó István előadása Az életben sok helyen használunk titkosítást (mobil, internet, jelszavak...) Története Az ókortól kezdve rengeteg feltört titkosírás létezik. Monoalfabetikus

Részletesebben

Matematika. 9.osztály: Ajánlott tankönyv és feladatgyűjtemény: Matematika I-II. kötet (Apáczai Kiadó; AP-090803 és AP-090804)

Matematika. 9.osztály: Ajánlott tankönyv és feladatgyűjtemény: Matematika I-II. kötet (Apáczai Kiadó; AP-090803 és AP-090804) Matematika A definíciókat és tételeket (bizonyítás nélkül) ki kell mondani, a tananyagrészekhez tartozó alap- és közepes nehézségű feladatokat kell tudni megoldani A javítóvizsga 60 -es írásbeliből áll.

Részletesebben

1. Komplex szám rendje

1. Komplex szám rendje 1. Komplex szám rendje A rend fogalma A 1-nek két darab egész kitevőjű hatványa van: 1 és 1. Az i-nek 4 van: i, i 2 = 1, i 3 = i, i 4 = 1. Innentől kezdve ismétlődik: i 5 = i, i 6 = i 2 = 1, stb. Négyesével

Részletesebben

VALÓSZÍNŰSÉGSZÁMÍTÁS. MSc. Órai Feladatok

VALÓSZÍNŰSÉGSZÁMÍTÁS. MSc. Órai Feladatok VALÓSZÍNŰSÉGSZÁMÍTÁS MSc Órai Feladatok 1. Feladat (Diszkrét eloszlás) Ketten kosárlabdáznak. Az A játékos 0,4 a B játékos 0,3 valószínűséggel dob kosarat. A dobást A kezdi és felváltva dobnak egymás után.

Részletesebben

Ellenőrző kérdések. 36. Ha t szintű indexet használunk, mennyi a keresési költség blokkműveletek számában mérve? (1 pont) log 2 (B(I (t) )) + t

Ellenőrző kérdések. 36. Ha t szintű indexet használunk, mennyi a keresési költség blokkműveletek számában mérve? (1 pont) log 2 (B(I (t) )) + t Ellenőrző kérdések 2. Kis dolgozat kérdései 36. Ha t szintű indexet használunk, mennyi a keresési költség blokkműveletek számában mérve? (1 pont) log 2 (B(I (t) )) + t 37. Ha t szintű indexet használunk,

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Számelmélet

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Számelmélet MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Számelmélet A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek

Részletesebben

tudjuk biztosítani a majdnem biztos nyerést, de nem érdemes akkor, ha ehhez 100000

tudjuk biztosítani a majdnem biztos nyerést, de nem érdemes akkor, ha ehhez 100000 Az információszámítás néhány fontos fogalma és eredménye. 1. Az entrópia és feltételes entrópia fogalma és tulajdonságai. Annak érdekében, hogy megértsük az entrópia fogalmát és azt, hogy milyen problémák

Részletesebben

Vektorgeometria (2) First Prev Next Last Go Back Full Screen Close Quit

Vektorgeometria (2) First Prev Next Last Go Back Full Screen Close Quit Vektorgeometria (2) First Prev Next Last Go Back Full Screen Close Quit 1. Tekintsünk a térben egy P (p 1, p 2, p 3 ) pontot és egy v = (v 1, v 2, v 3 ) = 0 vektort. Ekkor pontosan egy egyenes létezik,

Részletesebben

GAUSS-EGÉSZEK ÉS DIRICHLET TÉTELE

GAUSS-EGÉSZEK ÉS DIRICHLET TÉTELE GAUSS-EGÉSZEK ÉS DIRICHLET TÉTELE KEITH KEARNES, KISS EMIL, SZENDREI ÁGNES Első rész 1. Bevezetés Tekintsük az ak + b számtani sorozatot, ahol a > 0. Ha a és b nem relatív prímek, akkor (a,b) > 1 osztója

Részletesebben

Átszámítások különböző alapfelületek koordinátái között

Átszámítások különböző alapfelületek koordinátái között Átszámítások különböző alapfelületek koordinátái között A különböző időpontokban, különböző körülmények között rögzített pontok földi koordinátái különböző alapfelületekre (ellipszoidokra geodéziai dátumokra)

Részletesebben

L'Hospital-szabály. 2015. március 15. ln(x 2) x 2. ln(x 2) = ln(3 2) = ln 1 = 0. A nevez határértéke: lim. (x 2 9) = 3 2 9 = 0.

L'Hospital-szabály. 2015. március 15. ln(x 2) x 2. ln(x 2) = ln(3 2) = ln 1 = 0. A nevez határértéke: lim. (x 2 9) = 3 2 9 = 0. L'Hospital-szabály 25. március 5.. Alapfeladatok ln 2. Feladat: Határozzuk meg a határértéket! 3 2 9 Megoldás: Amint a korábbi határértékes feladatokban, els ként most is a határérték típusát kell megvizsgálnunk.

Részletesebben

Mérési hibák 2006.10.04. 1

Mérési hibák 2006.10.04. 1 Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség

Részletesebben

feltételek esetén is definiálják, tehát olyan esetekben is, amikor a hagyományos, a

feltételek esetén is definiálják, tehát olyan esetekben is, amikor a hagyományos, a A Valószínűségszámítás II. előadássorozat hatodik témája. ELTÉTELES VALÓSZÍNŰSÉG ÉS ELTÉTELES VÁRHATÓ ÉRTÉK A feltételes valószínűség és feltételes várható érték fogalmát nulla valószínűséggel bekövetkező

Részletesebben

A) 1. Számsorozatok, számsorozat torlódási pontja, határértéke. Konvergencia kritériumok.

A) 1. Számsorozatok, számsorozat torlódási pontja, határértéke. Konvergencia kritériumok. ZÁRÓVIZSGA TÉMAKÖRÖK egyetemi szintű közgazdasági programozó matematikus szakon A) 1. Számsorozatok, számsorozat torlódási pontja, határértéke. Konvergencia kritériumok. 2. Függvények, függvények folytonossága.

Részletesebben

Szakdolgozat. Készítette: Csuka Anita. Témavezető: Besenyei Ádám, adjunktus

Szakdolgozat. Készítette: Csuka Anita. Témavezető: Besenyei Ádám, adjunktus Az szám Szakdolgozat Készítette: Csuka Anita Matematika Bsc, matematikai elemző szakirány Témavezető: Besenyei Ádám, adjunktus ELTE TTK, Alkalmazott Analízis és Számításmatematikai Tanszék Eötvös Loránd

Részletesebben

Biomatematika 8. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 8. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 8. Valószínűség-számítás II. Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date:

Részletesebben

MATEMATIKA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ

MATEMATIKA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ Matematika középszint 080 ÉRETTSÉGI VIZSGA 009. május 5. MATEMATIKA KÖZÉPSZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ OKTATÁSI ÉS KULTURÁLIS MINISZTÉRIUM Fontos tudnivalók Formai előírások:

Részletesebben

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 15. Nemparaméteres próbák Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date: November

Részletesebben

Mer legesség. Wettl Ferenc 2015-03-13. Wettl Ferenc Mer legesség 2015-03-13 1 / 40

Mer legesség. Wettl Ferenc 2015-03-13. Wettl Ferenc Mer legesség 2015-03-13 1 / 40 Mer legesség Wettl Ferenc 2015-03-13 Wettl Ferenc Mer legesség 2015-03-13 1 / 40 Tartalom 1 Pszeudoinverz 2 Ortonormált bázis ortogonális mátrix 3 Komplex és véges test feletti terek 4 Diszkrét Fourier-transzformált

Részletesebben

Barczy Mátyás és Pap Gyula. Sztochasztikus folyamatok. (Gauss-folyamatok, Poisson-folyamat)

Barczy Mátyás és Pap Gyula. Sztochasztikus folyamatok. (Gauss-folyamatok, Poisson-folyamat) Barczy Mátyás és Pap Gyula Sztochasztikus folyamatok Példatár és elméleti kiegészítések I. Rész (Gauss-folyamatok, Poisson-folyamat mobidiák könyvtár Barczy Mátyás és Pap Gyula Sztochasztikus folyamatok

Részletesebben

Matematika tanmenet 12. osztály (heti 4 óra)

Matematika tanmenet 12. osztály (heti 4 óra) Matematika tanmenet 12. osztály (heti 4 óra) Tankönyv: Ábrahám Gábor Dr. Kosztolányiné Nagy Erzsébet Tóth Julianna: Matematika 12. középszint Példatárak: Fuksz Éva Riener Ferenc: Érettségi feladatgyűjtemény

Részletesebben

Diszkrét matematika II., 5. előadás. Lineáris egyenletrendszerek

Diszkrét matematika II., 5. előadás. Lineáris egyenletrendszerek 1 Diszkrét matematika II, 5 előadás Lineáris egyenletrendszerek Dr Takách Géza NyME FMK Informatikai Intézet takach@infnymehu http://infnymehu/ takach/ 2007 március 8 Egyenletrendszerek Középiskolás módszerek:

Részletesebben

Alap fatranszformátorok I. Oyamaguchi [3], Dauchet és társai [1] és Engelfriet [2] bebizonyították hogy egy tetszőleges alap

Alap fatranszformátorok I. Oyamaguchi [3], Dauchet és társai [1] és Engelfriet [2] bebizonyították hogy egy tetszőleges alap Alap fatranszformátorok I Vágvölgyi Sándor Oyamaguchi [3], Dauchet és társai [1] és Engelfriet [2] bebizonyították hogy egy tetszőleges alap termátíró rendszerről eldönthető hogy összefolyó-e. Mindannyian

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek

Részletesebben

MATEMATIKA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ

MATEMATIKA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ Matematika középszint 0711 ÉRETTSÉGI VIZSGA 007. május 8. MATEMATIKA KÖZÉPSZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ OKTATÁSI ÉS KULTURÁLIS MINISZTÉRIUM Fontos tudnivalók Formai előírások:

Részletesebben

JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ

JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ Matematika középszint 0511 ÉRETTSÉGI VIZSGA 005. május 10. MATEMATIKA KÖZÉPSZINTŰ ÉRETTSÉGI VIZSGA Az írásbeli vizsga időtartama: 180 perc JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ OKTATÁSI MINISZTÉRIUM Fontos tudnivalók

Részletesebben

Oszthatósági problémák

Oszthatósági problémák Oszthatósági problémák Érdekes kérdés, hogy egy adott számot el lehet-e osztani egy másik számmal (maradék nélkül). Ezek eldöntésére a matematika tanulmányok során néhány speciális esetre látunk is példát,

Részletesebben

P R Ó B A É R E T T S É G I 2 0 0 4. m á j u s KÖZÉPSZINT JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ

P R Ó B A É R E T T S É G I 2 0 0 4. m á j u s KÖZÉPSZINT JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ P R Ó B A É R E T T S É G I 0 0 4. m á j u s MATEMATIKA KÖZÉPSZINT JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ Formai előírások: A dolgozatot a vizsgázó által használt színűtől eltérő színű tollal kell javítani, és a

Részletesebben

Hamilton rendszerek, Lyapunov függvények és Stabilitás. Hamilton rendszerek valós dinamikai rendszerek, konzerva3v mechanikai rendszerek

Hamilton rendszerek, Lyapunov függvények és Stabilitás. Hamilton rendszerek valós dinamikai rendszerek, konzerva3v mechanikai rendszerek Hamilton rendszerek, Lyapunov függvények és Stabilitás Hamilton rendszerek valós dinamikai rendszerek, konzerva3v mechanikai rendszerek Sokszor nem lehetséges, hogy a tanult linearizációs módszerrel meghatározzuk

Részletesebben

Közönséges differenciálegyenletek megoldása Mapleben

Közönséges differenciálegyenletek megoldása Mapleben Közönséges differenciálegyenletek megoldása Mapleben Differenciálegyenlet alatt egy olyan egyenletet értünk, amelyben a meghatározandó ismeretlen egy függvény, és az egyenlet tartalmazza az ismeretlen

Részletesebben

í Í ű í Ú É í ú Í ú í í í ű Á ú ú í ú í ú í í ú í Ú ű Í í í Ú ű í í í í ú ú ú Ú Ú ú ú í Í Ú Ú ű í Ú í í í ú í ú Ú í í Ú í ű Á É Ú í ú ú í É í ú ú í íí í í í ű Ú ű í í í ű í Ú í í í í í í ú í ú Í í ű ű

Részletesebben

5. A kiterjesztési elv, nyelvi változók

5. A kiterjesztési elv, nyelvi változók 5. A kiterjesztési elv, nyelvi változók Gépi intelligencia I. Fodor János BMF NIK IMRI NIMGI1MIEM Tartalomjegyzék I 1 A kiterjesztési elv 2 Nyelvi változók A kiterjesztési elv 237 A KITERJESZTÉSI ELV A

Részletesebben

PÁROS HOSSZÚ KÖRÖK GRÁFOKBAN

PÁROS HOSSZÚ KÖRÖK GRÁFOKBAN PÁROS HOSSZÚ KÖRÖK GRÁFOKBAN CSIKVÁRI PÉTER Kivonat. Ebben a jegyzetben bebizonyítjuk Bondy és Simonovits következő tételét. Ha egy n csúcsú egyszerű gráf nem tartalmaz C k kört akkor az éleinek száma

Részletesebben

II. rész. Valós függvények

II. rész. Valós függvények II. rész Valós függvények Feladatok 3 4 3.. Értelmezési tartomány Határozza meg a következ függvények értelmezési tartományát! 3.. y = + + 3.. 3.4. 3.6. y = y = 3 y = + 3 ln 5 4 3.3. 3.5. 3.7. y = 3 +

Részletesebben

2002. ELSÕ ÉVFOLYAM 4. SZÁM 79

2002. ELSÕ ÉVFOLYAM 4. SZÁM 79 2002. ELSÕ ÉVFOLYAM 4. SZÁM 79 80 HITELINTÉZETI SZEMLE SOCZÓ CSABA A KOCKÁZTATOTT ÉRTÉKNÉL NAGYOBB VESZTESÉGEK VIZSGÁLATA A tíz gazdaságilag legfejlettebb ország (G-10) 1998-ban [3], míg Magyarország 2000-ben

Részletesebben

Newton módszer. az F(x) = 0 egyenlet x* gyökének elég jó közelítése. Húzzuk meg az F(x) függvény (x 0. )) pontbeli érintőjét, és jelölje x 1

Newton módszer. az F(x) = 0 egyenlet x* gyökének elég jó közelítése. Húzzuk meg az F(x) függvény (x 0. )) pontbeli érintőjét, és jelölje x 1 Newton módszer A húrmódszernél és a szelőmódszernél az F(x) függvény gyökének közelítéséhez a függvény húrját használtuk. Hatásosabb a módszer akkor, ha érintőkkel dolgozunk. Def.: Legyen x 0 az F(x) =

Részletesebben

Lineáris algebra zárthelyi dolgozat javítókulcs, Informatika I. 2005.márc.11. A csoport

Lineáris algebra zárthelyi dolgozat javítókulcs, Informatika I. 2005.márc.11. A csoport Lineáris algebra zárthelyi dolgozat javítókulcs, Informatika I. 2005.márc.11. A csoport 1. Egy egyenesre esnek-e az A (2, 5, 1), B (5, 17, 7) és C (3, 9, 3) pontok? 5 pont Megoldás: Nem, mert AB (3, 12,

Részletesebben

Konvex optimalizálás feladatok

Konvex optimalizálás feladatok (1. gyakorlat, 2014. szeptember 16.) 1. Feladat. Mutassuk meg, hogy az f : R R, f(x) := x 2 függvény konvex (a másodrend derivált segítségével, illetve deníció szerint is)! 2. Feladat. Mutassuk meg, hogy

Részletesebben

MATEMATIKA ÉRETTSÉGI 2006. február 21. KÖZÉPSZINT I.

MATEMATIKA ÉRETTSÉGI 2006. február 21. KÖZÉPSZINT I. MATEMATIKA ÉRETTSÉGI 006. február 1. KÖZÉPSZINT I. 1) Mennyi annak a mértani sorozatnak a hányadosa, amelynek harmadik tagja 5, hatodik tagja pedig 40? ( pont) 3 1 5 a a q 5 6 1 40 a a q Innen q Összesen:

Részletesebben

Diszkrét matematika 2 (C) vizsgaanyag, 2012 tavasz

Diszkrét matematika 2 (C) vizsgaanyag, 2012 tavasz Diszkrét matematika 2 (C) vizsgaanyag, 2012 tavasz A vizsga menete: a vizsga írásbeli és szóbeli részből áll. Az írásbeli beugrón az alábbi kérdések közül szerepel összesen 12 darab, mindegyik egy pontot

Részletesebben